土工膜动态性料想实体模型动态性料想方式 区别于静态数据料想方式 的较大 特性取决于:其初始数据处理方法管理体系将会根据观察数据信息的变动发展趋势一直调济，土工膜将会立即将评测数据信息的变动列入管理体系，由
此获得的蠕变料想值也更加公平。现阶段常见的动态性料想方式 有:
(1)土工膜BP神经网络实体模型
在料想范围中利用广泛的是BP网络。BP网络的学习培训优化算法是一种偏差反向传播式网络权重值训练方式 。它的具体基础是双层神经网络实体模型，它包括键入层、隐
层跟輸出层三个品味，键入层有n个节点，輸出层有m个节点。神经网络是一个繁杂的离散系统电力能源学网络管理体系，一个存有误差跟少一个S型暗含层再加一个线形
輸出层的网络将会迫近一切有理函数。二乘跟BP神经网络独有的离散系统才能，土工膜较切实解决了蠕变指数及三主要参数法对蠕变数据拟合精密度不太高的难题。但神经网络
需要很多的数据信息做为学习培训跟训练网络构造，土工膜实际证明，在贫数据信息的状况下利用神经网络，其結果不足想象。
